ดูสัมภาษณ์คุณต่อแบบเต็ม ๆ  ได้ที่นี่ > คลิก <  

Data และ Data Science คืออะไร มีความสำคัญยังไง 
พอเราพูดถึง Data หลายคนจะคิดว่าไกลตัว แต่ว่าถ้าเราคิดดี ๆ ทุกวันนี้ก่อนออกจากบ้าน เราเปิดดู Google Map แล้วเราดูว่าระยะทางระหว่างบ้านถึงออฟฟิศ หรือที่ที่เราจะไปห่างกันกี่กิโลเมตร ใช้เวลากี่นาที นั่นคือ Data หรือว่าเราอยากจะไปซื้อของ เราเข้าแพลตฟอร์มต่าง ๆ เราเปรียบเทียบราคา เปรียบเทียบรีวิว นั่นก็คือ Data โดยหลักการแล้ว Data คือข้อมูลที่อยู่รอบ ๆ ตัวเรา อาจจะดูง่ายบ้าง ดูยากบ้าง ขึ้นอยู่กับสิ่งที่เราต้องการจะใช้ ถ้าเกิดว่าเป็นองค์กรธุรกิจหน่อย Data ที่ใช้ก็อาจจะยากขึ้น เยอะขึ้น แต่โดยหลักการแล้วเราใช้ Data เพื่อเข้าใจว่าตอนนี้สิ่งที่เราอยากรู้เป็นยังไงบ้าง รวมถึงใช้เพื่อการวัดผล เราสอบแล้วเราไม่รู้ว่าเราเก่งรึเปล่าจนกว่าเราจะมีเกรด นั่นคือ Data อย่างหนึ่ง คือข้อมูลคะแนนสอบ เพราะฉะนั้นโดยหลักการคือ Data ช่วยให้เราเข้าใจและวัดผลว่าเราทำได้ดีหรือยัง เพื่อที่เราจะสามารถตัดสินใจต่อไปได้ว่าฉันจะไปทางไหน ฉันจะเดินยังไง ฉันจะซื้ออะไร รวมถึงรู้ว่าสิ่งที่เราตัดสินใจไปดีหรือไม่ดี ต้องปรับปรุงยังไงบ้าง 
  
ส่วน Data Science ถ้าแปลตรงตัวก็คือวิทยาศาสตร์ข้อมูล แต่ก็จะมีคำที่สามารถใช้ได้ เช่น วิทยาการข้อมูล ซึ่งผมว่าใกล้เคียงกัน เหมือนเวลาเราเรียกคณะ Computer Science ว่าคณะวิทยาการคอมพิวเตอร์ได้เหมือนกัน โดยหลักการคือวิทยาการหรือความรู้ในการจัดการกับข้อมูล วิทยาการข้อมูลก็คือการเก็บ Data จนไปถึงการนำ Data ไปใช้จัดการสิ่งเหล่านี้เพื่อให้เกิดประโยชน์สูงสุดครับ 

เรามักจะได้ยินชื่อ Data Engineer, Data Analyst และ Data Scientist บ่อย ๆ ตำแหน่งเหล่านี้ต้องทำหน้าที่อะไรและใช้ทักษะอะไรในการทำงานบ้าง 
นี่เป็น 3 ตำแหน่งหลักแล้วกันครับ แต่ถ้าเราไปค้นหาข้อมูลเวลาเขาบริษัทรับสมัครงาน อยากให้ดู Job Description อีกทีนะครับว่าจริง ๆ ต้องทำอะไรบ้าง ยุคนี้ตำแหน่ง Data หลากหลายขึ้นมาก แต่ว่าตำแหน่งเหล่านี้คือ 3 ตำแหน่งหลักนะครับ ถ้าเรากลับไปถึง Data Science เมื่อสักครู่นี้ ก็คือเก็บ จัดการ วิเคราะห์ นำไปใช้  
  
อย่างแรกเลยคือ Data Engineer ครับ Data Engineer จะอยู่ในโซนแรก ๆ คือเก็บแล้วก็จัดการ มีหน้าที่เก็บข้อมูลและนำมาให้อยู่ในรูปแบบที่พร้อมใช้งาน และคนอื่นนำไปใช้งานได้ง่าย งานของ Data Engineer ก็จะโฟกัสอยู่ที่การทำ Database เป็นหลัก ทั้ง 3 ตำแหน่ง ความรู้ที่ใช้ใกล้เคียงกัน คือต้องสามารถเขียนโปรแกรม ไม่ว่าจะเป็น Python หรือว่าจะเป็นโปรแกรมที่เกี่ยวข้องอื่น ๆ ต้องรู้เรื่อง Database บ้าง แล้วก็ต้องรู้เรื่องของการนำไปใช้ การ Visualization ขึ้นอยู่กับว่าเวลาเราทำงานจริง ๆ เราให้เวลาไปกับอะไรเยอะ จริง ๆ แล้วถ้าเป็น Data Engineer ก็จะโฟกัสที่โซนที่เป็นการจัดการ Database เป็นหลักครับ  
  
ส่วนถ้าเป็นโซนที่เป็น Data Analyst คือการนำ Data ที่ค่อนข้างเรียบร้อยแล้วประมาณนึงนำไปใช้ในเชิงธุรกิจ ซึ่งอาจจะออกมาเป็น Business Insights ออกมาเป็น Dashboard เพราะฉะนั้นโซนที่เป็น Data Analyst ทักษะที่เขาพูดกันว่าจำเป็น ก็มักจะเป็นเรื่องของภาษา MySQL คือสามารถดึงข้อมูลจาก Database มาใช้ได้ รวมถึงสามารถเขียนโปรแกรมเพื่อวิเคราะห์หรือใช้ Microsoft Excel ก็ยังโอเค 
  
Data Scientist เนี่ยใกล้เคียงกันครับ เอาข้อมูลที่ Data Engineer เก็บไว้ไปทำโมเดล ซึ่งตอนทำโมเดลก็คือการเขียนโปรแกรม ส่วนใหญ่ใช้ Python และนำโมเดลนั้นไปใช้งานในเชิงธุรกิจ นี่คือหลัก ๆ ของ 3 ตำแหน่งนี้ครับ แล้วทักษะพื้นฐาน ทุกคนควรรู้ มีความรู้ประมาณนึงในทุกโซนอยู่แล้ว เพียงแต่ว่าแต่ละคนก็จะถนัดในคนละมุมกัน 

เส้นทางการเติบโตของสายงาน Data เป็นยังไงบ้าง 
สำหรับสายงาน Data จะเติบโตเป็น 3 เส้นหลัก เส้นแรกคือเส้นของการดูแลคน คือ Management เส้นนี้คือเมื่อเราเป็น Data Scientist หรือเป็น Data Analyst ที่เป็น Junior เราก็จะเริ่มเป็นพี่ ดูแลคนมากขึ้น ดูแลน้อง เป็น Team Lead มากขึ้น เพราะฉะนั้นนี่คือการใช้ Soft Skills อย่าง Leadership หรือว่า People Management เข้ามาดูแล  อย่างที่สอง คือสายที่อาจจะเป็น Technical หน่อย คือเราสามารถทำงานเดิมนี่แหละครับ แต่ว่าทำได้เร็วขึ้น ดีขึ้น ทำได้ Advance ขึ้น หรือใช้เทคโนโลยีใหม่ ๆ เพื่อสามารถทำงานเดิมได้ลึกขึ้น นี่ก็จะเป็นสาย Specialist หรือสาย Technical 
  
อีกมุมนึง เราอาจจะไม่ได้ทำ Data เฉย ๆ หรือทำ Data เล่น ๆ บางสายก็คือการเติบโตที่เราสามารถสร้างผลกระทบทางธุรกิจ หรือเข้าใจธุรกิจมากขึ้น เราเข้าใจว่าธุรกิจมีรายได้จากไหน มีค่าใช้จ่ายยังไง แล้วเราก็ใช้ความรู้ที่เรามี เพิ่มรายได้ให้กับธุรกิจหรือลดค่าใช้จ่ายให้กับธุรกิจได้ นี่ก็จะเป็นการเติบโต Technical เหมือนกัน แต่ว่าเป็นการเติมฝั่งธุรกิจมากขึ้น เพราะฉะนั้นจริง ๆ แล้วโดยหลักการ Career Path ของสาย Data มันก็จะเป็นแบบนี้แหละครับ Junior, Senior แล้วก็ดูทีมหรือว่าเก่งขึ้น แต่ว่าเก่งขึ้นในมิติไหน เก่งขึ้นในแง่คน เก่งขึ้นในแง่ Data Technical หรือว่าเก่งขึ้นในแง่ธุรกิจ 

ความท้าทายในการทำงานสาย Data คืออะไร แต่ละตำแหน่งมีความยาก-ง่ายต่างกันยังไง 
หลายคนเข้าใจผิดว่าสาย Data นั่งหน้าคอมสนุกมาก แต่ว่าไม่ใช่อย่างนั้น ในโลกของ Data เวลาเราเรียนหนังสือหรือเห็นข่าว เราจะเจอปลายทางว่า Data สนุก แต่จริง ๆ ระหว่างทางมีสิ่งที่ต้องทำ เช่น เข้าไปในองค์กรที่ไม่มี Data กว่าจะได้ทำสิ่งที่เห็นปลายทางต้องไปลุยเก็บ Data กันก่อน เก็บไว้ไม่ดีต้องไปจัดการทำ Data Cleansing, Data Preparation ให้ใช้งานได้ก่อน เพราะฉะนั้นนี่คือสิ่งที่คนทำงาน Data ต้องเผชิญก่อนไปเจอกับปลายทาง อย่างที่สอง คนทำ Data ส่วนใหญ่โตมากับสาย Technical เราเขียนโปรแกรมเป็น วิเคราะห์ ทำ Dashboard เป็น แต่ว่าคนที่เก่ง Data และเข้าใจว่า Data นี้ใช้งานทางธุรกิจยังไงถือว่าเป็นความท้าทาย ทำยังไงให้เราในฐานะมนุษย์ Data คนหนึ่งเข้าใจธุรกิจอย่างถ่องแท้เพื่อที่จะสนับสนุนเขาได้จริง ๆ 
  
ส่วนความยาก-ง่าย ถ้าไปถามหลาย ๆ คนในวงการเนี่ย แต่ละสายก็จะมีทักษะที่ต้องการต่างกันไป Data Engineer อาจจะมีความ Technical เยอะหน่อย ต้องอยู่กับข้อมูลค่อนข้างเยอะ ต้องจัดการเทคโนโลยีใหม่ ๆ เยอะ ส่วน Data Scientist ก็จะเขียนโปรแกรม Advance กว่า Data Analyst แต่ว่า Data Analyst ก็ต้องการในแง่ของการทำ Data Visualization หรือการสื่อสาร การหา Insights ค่อนข้างเยอะ เพราะฉะนั้นคิดว่าคนละมุมกันมากกว่าในแต่ละสายอาชีพ ขึ้นอยู่กับว่าเราชอบอะไร และเราสนุกที่จะทำอะไร 

 
สำหรับน้อง ๆ มัธยมที่เขารู้สึกสนใจสายงานนี้ ควรเรียนคณะอะไร  
Data เป็นทักษะ อาจจะไม่จำเป็นต้องเป็นชื่อตำแหน่งงานก็ได้ ความหมายคือเราสามารถเป็นนักการตลาดที่เก่ง Data ได้ โดยที่ไม่จำเป็นต้องเป็น Data Analyst เราสามารถเป็นนักสื่อสาร นักอะไรก็ได้ที่เก่ง Data อย่างแรกให้ลองเช็กตัวเองก่อนว่าเราอยากประกอบอาชีพด้าน Data โดยตรงเลย หรือเราแค่อยากมีทักษะด้าน Data อย่างที่สอง ถ้าคอนเฟิร์มแล้วว่าเราอยากประกอบอาชีพด้าน Data จริง ๆ ก็จะต้องเริ่มเลือกแล้วว่าเราอยากจะเป็น Data Analyst, Data Engineer หรือ Data Scientist หรือ Data อื่น ๆ ซึ่งแน่นอนเราอาจจะยังไม่ได้เจอตั้งแต่แรก เพราะฉะนั้นใช้เวลานี้ค้นหาตัวเอง ไปทำโปรเจกต์ ไปออกงาน ไปเจอผู้คน ไปเจอพี่ ๆ ในวงการ เดินเข้าไปถาม ไม่ต้องอายนะครับ พี่ ๆ ทุกคนก็อยากได้น้อง ๆ เข้ามาอยู่ในวงการนี้ เพราะฉะนั้นเขายินดีมาก ๆ 
  
คราวนี้ก็เริ่มฝึกวิชา วิชาที่ต้องฝึกก็จะมีคณิตศาสตร์ สถิติ เขียนโปรแกรม หรือ Business Domain ที่เราสนใจ คณะที่เป็นสาย Data เฉพาะก็มีเหมือนกัน หรือถ้าไม่ใช่คณะสาย Data คณะอื่น ๆ ก็สามารถทำงานสายนี้ได้เหมือนกัน อย่างผมเป็นวิศวกรก็สามารถทำได้ หรือ น้อง ๆ ใน WISESIGHT ก็จะมีนิเทศศาสตร์ มีอักษรศาสตร์ ขอแค่มีความสนใจที่จะเติมความรู้เพิ่มเติม อย่าลืมความรู้ระหว่างทาง อย่าลืมค้นหาตัวเองให้เยอะ เพื่อจะได้รู้ว่าเราต้องทำอะไร อย่างที่บอกครับว่าการที่จะเป็นคนทำงานด้าน Data ที่เก่งคงไม่ใช่ทำงานชิลล์ ๆ ต้องใส่พลัง ใส่ความพยายาม ซึ่งถ้าเราไม่ชอบเราอาจจะไม่ได้มีความสุข 
 
องค์กรหรือ HR มองหาอะไรจากเรซูเม่ของคนทำงานสาย Data มีคีย์เวิร์ด อะไรบ้างที่ต้องระบุ 
จุดที่ดูมักจะเป็นจุดที่เป็นทักษะครับ แต่ไม่ได้เขียนเป็นสเกลแบบ 0 ถึง 100 เขียนมาเลยว่าเราสามารถใช้ Microsoft Excel เพื่อทำสิ่งนี้ได้ เราสามารถเขียนโปรแกรมในระดับนี้ได้ เขียนออกมาเป็น Action หน่อย เราจะได้เข้าใจว่าระดับประมาณไหน ส่วนอื่น ๆ อย่างประวัติการศึกษาอาจจะไม่ค่อยดู ดูบ้างแต่น้อยครับ แล้วก็ประสบการณ์ถ้าเคยทำงานมาก็อาจจะดูบ้างว่าเคยทำโซนไหนมา เผื่อเอาทักษะบางอย่างมาใช้ประโยชน์กับที่ใหม่หรือที่นี่ได้ 
  
สำหรับคีย์เวิร์ดก็ ขึ้นอยู่กับแต่ละบริษัทนะครับว่าตอนนั้นเขามองหาอะไร ถ้ามาสมัคร WISESIGHT คีย์เวิร์ดที่มองหา แน่นอน Social Listening, Social Media เครื่องมือหลักที่เราใช้คือ Microsoft Excel, Power BI ถ้ามีคีย์เวิร์ดเหล่านี้เราก็จะสนใจเรียกเข้ามา ซึ่งไม่ใช่ทุกบริษัทจะต้องการ Power BI ไม่ใช่ทุกบริษัทจะต้องการ Microsoft Excel เพราะฉะนั้นลองดูครับว่าถ้าเรามีเป้าหมายในใจอยู่แล้ว มีบริษัทในใจที่เราอยากจะทำงานด้วย ลองไปหาดูว่าบริษัทนั้นเขาใช้อะไร มี Ecosystem ยังไง แล้วเราก็เขียนมาให้ชัด ไปฝึกตัวเองมาหรือเขียนมาให้ชัดว่าเราทำสิ่งนี้ได้ เพื่อให้เขารู้ว่าเราพร้อมที่จะทำงาน 
  
สำหรับคนย้ายสายงานที่ไม่เคยมีประสบการณ์สาย Data ควรทำโปรเจกต์อะไรเพื่อนำเสนอในพอร์ตโฟลิโอ   
ขึ้นอยู่กับอาชีพหรือว่าสายงานที่เราจะไป ถ้าเป็น Data Analyst จริง ๆ แล้วพอร์ตฯ ที่น่าทำคือการทดลองทำพวก Data Visualization ลองทำ Dashboard ขึ้นมา ดูว่าเราสามารถหา Insights จาก Data Set ได้หลากหลาย และเราสามารถนำเสนอได้ดี นั่นคือส่วนนึง ถ้าเป็น Data Scientist หรือ Data Engineer อาจจะลองทำโมเดล แล้วก็เอาโค้ดหรือโปรแกรมไปอยู่บน GitHub แล้วก็ลองใส่มาในเรซูเม่ด้วย เพื่อให้คนอ่านเห็นว่าเคยทำสิ่งนั้นมา นี่ก็น่าจะเป็นวิธีการสร้างพอร์ตฯ ที่ชัดที่สุด หรือถ้าเราไม่ได้ทำพอร์ตฯ เป๊ะ ๆ แบบนั้น ก็อาจจะลองหมั่นเขียน Blog ในสิ่งที่เราเรียน อาจจะไปเขียนใน Medium ก็ได้ หรือสร้าง Blog ขึ้นมา เดี๋ยวนี้ง่ายมาก ลองเขียนว่าเราเรียนอะไรบ้าง เราเจออะไรบ้าง อันนี้ก็จะช่วยให้คนหาเราเจอมากขึ้น และพยายามไปอยู่ใน Community อย่างที่บอก พอเข้าไปอยู่แล้วพี่ ๆ เขาก็จะเห็นว่าเราเป็นใคร เรามาจากไหน หรือเราทำอะไรอยู่ 
 
ใครอยากรู้จักสายงาน Data ให้มากขึ้นเข้าไปชมสัมภาษณ์แบบเต็ม ๆ ได้ที่
รายการ Career Unlock EP.3 เจาะลึกอาชีพสาย Data อยากทำงานนี้ต้องเริ่มยังไง? > คลิก <